三维点云孔洞修补技术是一项重要的点云处理技术,由于扫描时仪器、环境等问题引起的点云孔洞会严重影响后续对点云的处理精度,尤其在进行三维重建时,点云中的孔洞往往会造成重建精度的下降,细节的缺失,甚至造成重建失败。在三维点云孔洞修补方面,目前仍存在孔洞位置判断人工交互过多、自动化不足、孔洞修补计算量大等问题。针对这些问题,本文研究一种自动化程度高且准确度高的点云孔洞判别技术,并在此基础上研究一种计算速度快,能保持局部几何特征且不改变原有点云分布的孔洞修补技术,最终对修补完成的模型进行重建,验证算法的有效性。论文的主要研究内容如下:(1)基于法向量约束的三维点云预处理方法研究经过扫描得到的三维点云含有大量的冗余数据,给点云的后续计算带来沉重的负担,且原始点云数据往往含有大量噪声,影响后续点云重建的精确度,因此本文研究一种能保持点云模型原有结构的点云精简方法。该方法首先利用一种基于法向量约束的加权点云精简算法对原始点云数据进行精简,精简后的模型不仅在保持原有模型结构特征的基础上大大减少了数据量,同时也对噪声进行了过滤。之后利用基于近邻差异的法向量优化算法对法向量进行优化,提高法向量的精度,为后续的数据处理打下基础。(2)基于曲率约束的三维点云孔洞判别方法研究三维点云数据中往往存在多个孔洞,且现有的孔洞选取技术往往要加入人工的干预,判断效率受到影响,因此本文研究一种能自动化,高精度判断孔洞位置的孔洞判别方法。该方法利用孔洞边界点的邻接点往往分布在该边界点同一侧的特性,计算目标点与其邻接点之间的夹角,形成的最大夹角若大于经验值,则判断该点为孔洞边界点,同时在判断过程中加入曲率的约束,能够有效的减少将尖锐边点云数据判断为孔洞边界点的错误。(3)基于边界点排斥的三维点云孔洞修补方法研究目前的三维点云孔洞修补方法往往要将点云数据三角面片化再进行处理,或者需要拟合局部曲面来对孔洞进行修补,这些都会消耗大量的计算时间,因此本文研究一种直接作用于点云数据的高效的,能保持模型原有结构特征的孔洞修补方法。该方法利用孔洞边界点与其邻接点之间的位置关系,模拟一种排斥力,由邻接点将孔洞边界点推入孔洞内,完成孔洞的修补,并引入一个引力函数调整修补点的位置,使其修补后的点云依然能保持局部的形状特征。